The invention discloses a method of product demand prediction, including: according to the product phase and the state of adjustment, the first sample set is sampled for the product adjustment record, the judgment model is established according to the first sample set, and the second samples are sampled according to the initial forecast value and the revised forecast value. Set up the target regression model based on the second sample set; obtain the initial prediction value of the current stage and the current product stage; use the judgment model to process the current product stage to determine the current adjustment state; if the current adjustment state is needed to adjust, the initial prediction value of the current stage is replaced by the target regression model. Calculate, output the revised prediction value at the current stage. The invention also provides a product demand forecasting device which can realize the above method. The invention can optimize the existing prediction results and improve the accuracy of product demand prediction.
【技术实现步骤摘要】
一种产品需求预测方法及产品需求预测装置
本专利技术涉及人工智能
,尤其涉及一种产品需求预测方法及产品需求预测装置。
技术介绍
产品需求预测是企业经营中的关键环节,用于指导企业的生产和备货。过大的产品需求预测会导致库存量过多,库存成本风险增加。过小的需求预测会导致订单满足率不高,客户满意度下降。随着数据科学的发展以及企业对数据的重视程度越来越高,许多企业开始使用大数据相关的技术进行产品需求预测。产品需求预测方法包括时间序列预测法、多元回归分析法等,需求预测模型包括自回归积分滑动平均模型(AutoregressiveIntegratedMovingAverageModel,简称ARIMA)、岭回归模型(也称为Ridge回归模型)等。在现有技术中,产品需求的预测方法大致如下:根据产品需求的历史数据(如产品历史订单)建立时间序列模型;根据产品需求的预测因子(如季节性、天气、预测因子相关系数、促销活动影响等)建立回归模型;通过模拟器分别对时间序列模型以及回归模型进行评估;根据评估结果,使用贝叶斯集成方法将时间序列模型和回归模型合并,输出预测结果,如图1所示。现有的需求预测方法依赖于已知的有规律的预测因子,当已知的预测因子出现两次以上,才能进行有效估计。然而,现有的需求预测模型考虑的预测因子有限,还有很多隐含的预测因子没有加入需求预测模型,在实际应用中隐含的预测因子对需求影响很大,因此预测结果与实际需求往往有较大出入,预测准确率不高。
技术实现思路
本专利技术提供了一种产品需求预测方法及产品需求预测装置,能够提高预测准确率。第一方面提供了一种产品需求预测方法,包括: ...
【技术保护点】
一种产品需求预测方法,其特征在于,包括:根据第一样本属性,对产品调整记录进行采样得到第一样本集,根据所述第一样本集建立判断模型,所述第一样本属性包括产品阶段以及调整状态;根据第二样本属性,对产品历史预测值进行采样得到第二样本集,根据所述第二样本集建立目标回归模型,所述第二样本属性包括初始预测值以及修正预测值;获取待处理数据,所述待处理数据包括当前阶段的初始预测值以及当前产品阶段;使用所述判断模型对所述当前产品阶段进行处理,确定当前调整状态;若所述当前调整状态为需要调整,则将所述当前阶段的初始预测值代入所述目标回归模型计算,输出当前阶段的修正预测值,所述当前阶段的修正预测值用于制定当前阶段的生产计划;若所述当前调整状态为不需要调整,则输出所述当前阶段的初始预测值。
【技术特征摘要】
1.一种产品需求预测方法,其特征在于,包括:根据第一样本属性,对产品调整记录进行采样得到第一样本集,根据所述第一样本集建立判断模型,所述第一样本属性包括产品阶段以及调整状态;根据第二样本属性,对产品历史预测值进行采样得到第二样本集,根据所述第二样本集建立目标回归模型,所述第二样本属性包括初始预测值以及修正预测值;获取待处理数据,所述待处理数据包括当前阶段的初始预测值以及当前产品阶段;使用所述判断模型对所述当前产品阶段进行处理,确定当前调整状态;若所述当前调整状态为需要调整,则将所述当前阶段的初始预测值代入所述目标回归模型计算,输出当前阶段的修正预测值,所述当前阶段的修正预测值用于制定当前阶段的生产计划;若所述当前调整状态为不需要调整,则输出所述当前阶段的初始预测值。2.根据权利要求1所述的方法,其特征在于,所述根据所述第一样本集建立判断模型包括:从所述第一样本集中选取第一训练集,将所述第一训练集进行训练得到判断模型,所述判断模型为逻辑回归模型、决策树模型或随机森林模型。3.根据权利要求2所述的方法,其特征在于,在所述使用所述判断模型对所述当前产品阶段进行处理,确定当前调整状态之前,所述方法还包括:从所述第一样本集中选取第一测试集,利用所述第一测试集对所述判断模型进行测试得到第一测试结果,将所述第一测试结果与调整状态的历史数据进行比较得到第一预测准确率;当所述第一预测准确率不小于第一预设阈值时,执行所述使用所述判断模型对所述当前产品阶段进行处理,确定当前调整状态的步骤。4.根据权利要求2所述的方法,其特征在于,所述产品调整记录包括业务专家信息的历史数据,所述第一样本属性还包括业务专家信息,所述待处理数据包括当前阶段的业务专家信息;所述使用所述判断模型对所述当前产品阶段进行处理,确定当前调整状态包括:使用所述判断模型对所述当前产品阶段以及当前阶段的业务专家信息进行处理,确定当前调整状态。5.根据权利要求2所述的方法,其特征在于,所述产品调整记录包括产品供应信息的历史数据,所述第一样本属性还包括产品供应信息,所述待处理数据包括当前阶段的产品供应信息,所述产品供应信息包括货期、供应地点或供应商数量中的至少一项;所述使用所述判断模型对所述当前产品阶段进行处理,确定当前调整状态包括:使用所述判断模型对所述当前产品阶段以及当前阶段的产品供应信息进行处理,确定当前调整状态。6.根据权利要求1至5中任一项所述的方法,其特征在于,所述根据所述第二样本集建立目标回归模型包括:从所述第二样本集中选取第二训练集,将所述第二训练集进行训练得到目标回归模型。7.根据权利要求6所述的方法,其特征在于,在所述将所述当前阶段的初始预测值代入所述目标回归模型计算,输出当前阶段的修正预测值之前,所述方法还包括:从所述第二样本集中选取第二测试集,利用所述第二测试集对所述目标回归模型进行测试得到第二测试结果,计算所述第二测试结果与历史订单量的偏移量,根据所述偏移量确定第二预测准确率;当所述第二预测准确率不小于第二预设阈值时,执行所述将所述当前阶段的初始预测值代入所述目标回归模型计算,输出当前阶段的修正预测值的步骤。8.根据权利要求6所述的方法,其特征在于,在所述将所述当前阶段的初始预测值代入所述目标回归模型计算,输出当前阶段的修正预测值之后,所述方法还包括:将所述当前产品阶段、所述当前调...
【专利技术属性】
技术研发人员:陈新杰,赵志洪,齐泉,
申请(专利权)人:华为技术有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。